تم تدريب كوين 2.5 ماكس على مجموعة بيانات ضخمة تتجاوز 20 تريليون رمز لغوي، مستخدمًا تقنيات متقدمة مثل التدريب الدقيق المُشرف (Supervised Fine-Tuning – SFT) وتعلم التعزيز من خلال التغذية الراجعة البشرية (Reinforcement Learning from Human Feedback – RLHF). وتُتيح علي بابا للمطورين والباحثين الوصول إلى هذا النموذج من خلال واجهة برمجة التطبيقات (API) المتاحة عبر علي بابا كلاود، وكذلك عبر منصة “كوين شات” (Qwen Chat) للاطلاع على إمكاناته المتميزة.
أظهرت نتائج الاختبارات تفوق كوين 2.5 ماكس على نماذج ذكاء اصطناعي رائدة في معايير أداء متعددة. فقد تفوق على ديب سيك V3 في معايير مثل “أرينا هارد” (Arena-Hard) و”لايف بنش” (LiveBench) و”لايف كود بنش” (LiveCodeBench) و”جي بي كيو إيه-دايموند” (GPQA-Diamond)، كما حقق نتائج تنافسية في معايير أخرى مثل “إم إم إل يو برو” (MMLU-Pro) المُصممة لاختبار حل المشكلات على مستوى الجامعات.
ولضمان سهولة الوصول العالمي، دمجت علي بابا نموذج كوين 2.5 ماكس مع منصة كوين شات، مما يسمح للمستخدمين بالتفاعل معه مباشرةً واختبار قدراته في البحث وفهم الاستفسارات المعقدة. كما يسهل على المطورين استخدام النموذج عبر واجهة برمجة التطبيقات (API) المتوفرة على علي بابا كلاود باسم “qwen-max-2025-01-25″، والتي تتميز بتوافقها مع بيئة OpenAI، مما يُبسط عملية دمجها في المشاريع القائمة.
تُمثل هذه الخطوة من علي بابا التزامًا قويًا بالتطوير المستمر لنماذج الذكاء الاصطناعي، لا يقتصر على تحسين الأداء فحسب، بل يشمل أيضًا تعزيز قدرات التفكير والمنطق. وقد صرّحت علي بابا بأنّ توسيع نطاق البيانات وحجم النموذج لا يُظهر فقط التقدم في ذكاء النماذج، بل يعكس أيضًا التزامها الراسخ بالبحث الريادي.
ويسعى فريق علي بابا إلى دفع حدود تعلم التعزيز لتعزيز قدرات التفكير والمنطق بشكل أكبر، مما قد يُمكّن نماذجها من مُضاهاة، بل وتجاوز، قدرات الذكاء البشري في حل المشكلات المعقدة. وستكون لهذا التطور آثارٌ بالغة الأهمية على صناعة الذكاء الاصطناعي عالميًا.
هذا المحتوى تم باستخدام أدوات الذكاء الاصطناعي
